智能选材系统的研究实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-22页 |
| ·研究背景 | 第12页 |
| ·国内外研究现状 | 第12-17页 |
| ·选材方法的研究现状 | 第12-16页 |
| ·专家系统的研究现状 | 第16-17页 |
| ·本文工作及章节结构 | 第17-22页 |
| ·本文工作 | 第17-18页 |
| ·章节结构 | 第18-22页 |
| 2 选材系统的分析及结构设计 | 第22-40页 |
| ·智能选材系统的理论准备 | 第22-29页 |
| ·人工神经网络 | 第22-24页 |
| ·专家系统 | 第24-27页 |
| ·小结 | 第27-29页 |
| ·选材系统总体设计 | 第29-34页 |
| ·系统总体结构 | 第29-32页 |
| ·系统各功能模块 | 第32-33页 |
| ·编程语言及数据库的选择 | 第33-34页 |
| ·数据库设计 | 第34-39页 |
| ·小结 | 第39-40页 |
| 3 材料数据的来源及材料查询模块的实现 | 第40-50页 |
| ·材料数据的来源 | 第40-44页 |
| ·材料属性的标准存储格式 | 第44页 |
| ·材料库的建立 | 第44-46页 |
| ·材料查询模块的实现 | 第46-47页 |
| ·小结 | 第47-50页 |
| 4 材料选择方法和材料选择模块的实现 | 第50-68页 |
| ·BP神经网络在选材过程中的应用 | 第50-59页 |
| ·BP神经网络的建立 | 第50-51页 |
| ·神经网络对选材样本学习过程 | 第51-55页 |
| ·选材样本 | 第51-52页 |
| ·BP神经网络的学习过程 | 第52-55页 |
| ·神经网络的工作过程 | 第55-58页 |
| ·神经网络在选材功能模块中的实现 | 第58-59页 |
| ·小结 | 第59页 |
| ·专家系统在选材过程中的应用 | 第59-68页 |
| ·知识库 | 第59-62页 |
| ·知识来源 | 第59-61页 |
| ·知识表示 | 第61-62页 |
| ·推理机 | 第62-63页 |
| ·决策树推理算法 | 第62-63页 |
| ·主要实现代码 | 第63页 |
| ·解释机制 | 第63-64页 |
| ·专家系统在选材模块中的实现 | 第64-65页 |
| ·小结 | 第65-68页 |
| 5 系统实例 | 第68-76页 |
| ·系统首页 | 第68-69页 |
| ·材料查询模块 | 第69页 |
| ·选材模块 | 第69-73页 |
| ·帮助模块 | 第73-74页 |
| ·用户反馈模块 | 第74页 |
| ·知识管理模块与用户管理模块 | 第74-76页 |
| 6 结论 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录A | 第82-107页 |
| 钢材数据结构表 | 第82-86页 |
| 铸铁数据结构表 | 第86-89页 |
| 铸钢数据结构表 | 第89-92页 |
| 工程塑料数据结构表 | 第92-94页 |
| 铜及铜合金数据结构表 | 第94-97页 |
| 铝及铝合金数据结构表 | 第97-100页 |
| 橡胶数据结构表 | 第100-102页 |
| 粘结剂数据结构表 | 第102-104页 |
| 涂料数据结构表 | 第104-107页 |
| 附录B | 第107-140页 |
| 1. 主模块 | 第107-113页 |
| 2. 材料查询模块 | 第113-121页 |
| 3. 选材模块 | 第121-135页 |
| 4. 帮助模块 | 第135-137页 |
| 5. 用户反馈模块 | 第137-140页 |
| 作者简历 | 第140-144页 |
| 学位论文数据集 | 第144页 |
